Hough变换（Hough Transform）是一种用于检测图像中特定形状的技术，最初是由Paul Hough于1962年提出的。它广泛应用于计算机视觉领域，特别是在图像处理和图像分析中。Hough变换的最常见用途之一是检测直线或直线段在图像中的存在，但它也可以用于检测其他形状，如圆、椭圆等。
Hough变换的基本思想是将图像中的点映射到参数空间（通常称为霍夫空间），然后在参数空间中寻找共线的点集，这些点集对应于图像中的特定形状。不同形状的Hough变换有不同的参数表示方法，但以下是最常用于检测直线的标准霍夫变换的简要介绍：
霍夫空间参数化：
对于直线检测，霍夫空间通常使用极坐标来表示直线。每个图像点(x, y)都被映射到霍夫空间中的一组参数（r，θ），其中r表示从原点到直线的距离，θ表示直线与x轴的夹角。
构建霍夫累加器：
对于每个图像中的点，遍历θ的所有可能值，计算相应的r，然后在霍夫累加器中增加对应参数(r, θ)的计数。
检测直线：
在霍夫累加器中查找具有最大计数的点，这些点对应于在图像中出现频率最高的直线。
通过设置阈值来选择适当的直线，然后将它们转换回图像空间。
Hough变换的主要优点是它对于噪声和局部遮挡相对不敏感，并且可以检测到图像中多个重叠的形状。然而，它也具有一些限制，如对计算资源的需求较高以及需要调整合适的参数。
除了标准霍夫变换，还存在许多变种和改进的方法，用于检测不同形状和解决Hough变换的一些限制。这些方法在实际应用中广泛使用，以提高图像分析和计算机视觉任务的性能